AI声学质检定制：电机异响与频谱判定

在电机装配线，异响判定长期依赖老师傅听诊或抽检台架，噪声环境下人耳一致性差，批量异响往往在整机测试甚至客户端才暴露。本实验室近期的实验方向是把声学信号当作一条可量化的质检通道，而非替代视觉。

做法上，我们在产线末端加装固定式麦克风，只截取电机稳定运转段（转速同步），先做阶次分析把频谱能量归集到转速的整数与分数阶次上，再用正常样本训练半监督异常检测模型，输出异常分数与疑似主导阶次，由质检员复核后判定。这样避开了直接做故障分类所需的标注量。

进展与数据（单型号实验，非产线指标）：
1）样本约 1.2 万件，其中正常 1.16 万件、已确认异响 400 件；以阶次能量比为特征，异响召回约 91%，误报率约 3.5%，均需人工复核确认，不直接触发判废。
2）当前局限明确：换型号需重新采集基线；低转速段信噪比不足，尚不纳入判定。下一步计划是把疑似主导阶次与轴承、齿啮、电磁三类故障做映射，并验证跨型号迁移与车间背景噪声自适应的可行性。